[发明专利]基于DQN的图像增强处理方法及装置

权利要求书

1.一种基于DQN的图像增强处理方法，其特征在于，包括：

步骤1、获取待处理的图像，并初始化该图像所对应的评价总分；

步骤2、基于预先构建的操作选择网络对待处理图像的每一像素点进行数值操作，得到该回合的待评价图像，其中，所述操作选择网络基于DQN算法构建及更新；

步骤3、针对所述待评价图像，采用预设评价方式对其进行评分，以得到的该回合的奖励分数，根据该奖励分数对所述评价总分进行累加更新；

步骤4、将所述评价总分与预定阈值进行比较，

当所述评价总分小于等于第一阈值时，将所述评价总分清零，跳转执行步骤2进行新一回合处理，

当所述评价总分大于第一阈值且小于第二阈值时，以所述待评价图像作为新的待处理图像，跳转执行步骤2进行新一回合处理，

当所述评价总分大于等于第二阈值时，以所述待评价图像作为图像增强处理后的图像。

2.根据权利要求1所述的方法，其特征在于，所述操作选择网络由具有同样网络结构的现实网络和估计网络构成；

所述数值操作具体为，对像素点RGB各通道的数值进行+1、-1或+0操作。

3.根据权利要求2所述的方法，其特征在于，基于预先构建的操作选择网络对待处理图像的每一像素点进行数值操作，具体为：

每一回合中，生成一随机数，

当所述随机数小于第三阈值时，由所述估计网络在三种数值操作中进行选择，

当所述随机数大于等于第三阈值时，则随机在三种数值操作中进行选择。

4.根据权利要求3所述的方法，其特征在于，所述第三阈值根据回合次序的增加而逐渐增大。

5.根据权利要求1所述的方法，其特征在于，所述图像增强处理具体为图像去雾；

所述预设评价方式包括：基于预先训练好的神经网络对图像的自然程度和图像的雾浓度进行判定评价。

6.根据权利要求5所述的方法，其特征在于，所述预先训练好的神经网络包括第一神经网络和第二神经网络；

所述基于预先训练好神经网络对图像的自然程度和图像的雾浓度进行判定评价，具体为：

利用所述第一神经网络对图像的自然程度进行判定评价，利用所述第二神经网络对图像的雾浓度进行判定评价，或

将所述第一神经网络和第二神经网络合成为第三神经网络，基于多任务学习，利用所述第三神经网络同时对图像的自然程度和图像的雾浓度进行判定评价。

7.根据权利要求6所述的方法，其特征在于，基于室内深度数据集合成的室内带雾图像对所述第一神经网络和第二神经网络进行预先训练，或

搜集室外非同一场景的天然带雾及无雾图像，通过多人标注带雾图像雾的浓淡以构建自然数据集，基于所述自然数据集对第一神经网络和第二神经网络进行预先训练。

8.根据权利要求6所述的方法，其特征在于，每一回合中，对图像的自然程度进行判断评价而得到第一分数，对图像的雾浓度进行判断评价而得到第二分数，将所述第一分数和第二分数进行加权求和，以得到该回合的奖励分数。

9.根据权利要求8所述的方法，其特征在于，所述第一分数的权重和第二分数的权重基于回合的次序动态调整。

10.一种基于DQN的图像增强处理装置，其特征在于，包括：

存储器，其上存储有可执行程序；

处理器，用于执行所述存储器中的所述可执行程序，以实现权利要求1-9中任一项所述方法的步骤。